بررسی مقایسه ای توان پیش بینی شبکه های عصبی مصنوعی با روش توقف زودهنگام و فرایند سری زمانی خودبازگشت در برآورد نرخ تورم (مقاله علمی وزارت علوم)

درجه علمی: نشریه علمی (وزارت علوم)

درجه علمی در دسته‌بندی سابق وزارت علوم: علمی-پژوهشی

نویسندگان: پیام حنفی زاده حسین پورسلطانی زرندی پریسا ساکتی

منبع: تحقیقات اقتصادی زمستان 1386 شماره 81

کلیدواژه‌ها: تورم پیش بینی شبکه عصبی سری های زمانی انتخاب مدل

حوزه‌های تخصصی:

حوزه‌های تخصصی اقتصاد روش های ریاضی و کمی روش های آماری و اقتصادسنجی:موضوعات خاص شبکه های عصبی و موضوعات مربوطه

دریافت مقاله

آرشیو

چکیده

ین مقاله به بررسی مقایسه ای توان شبکه های عصبی مصنوعی و سری های زمانی خودبازگشت در پیش بینی ایستای نرخ تورم ایران می پردازد. در یک بررسی، با استفاده از 37 سال داده های تاریخی نرخ تورم ایران، مدل شبکه عصبی مصنوعی در پیش بینی آینده نزدیک در مقایسه با سری های زمانی خودبازگشت، به‎طور متوسط از عملکرد بهتری برخوردار است. در این بررسی، مزایای روش توقف زودهنگام در مرحله یادگیری شبکه عصبی برای پیش بینی سری های زمانی نشان داده شده است.